JRIIN :Jurnal Riset Informatika dan Inovasi
1. Komputasi Lunak, 2. Sistem Cerdas Terdistribusi, Manajemen Basis Data, dan Pengambilan Informasi, 3. Komputasi evolusioner dan komputasi DNA/seluler/molekuler, 4. Deteksi kesalahan, 5. Sistem Energi Hijau dan Terbarukan, 6. Antarmuka Manusia, 7. Interaksi Manusia-Komputer, 8. Hibrida dan Algoritma Terdistribusi Pemrosesan Informasi Manusia, 9. Komputasi Berkinerja Tinggi, 10. Penyimpanan informasi, 11. Keamanan, integritas, privasi, dan kepercayaan, 12. Pemrosesan Sinyal Gambar dan Ucapan, 13. Sistem Berbasis Pengetahuan, 14. Jaringan Pengetahuan, 15. Multimedia dan Aplikasi, 16. Sistem Kontrol Jaringan, 17. Klasifikasi Pola Pemrosesan Bahasa Alami, 18. Pengenalan dan sintesis ucapan, 19. Kecerdasan Robot, 20. Analisis Kekokohan, 21. Kecerdasan Sosial, 22. Statistic 23. Komputasi grid dan kinerja tinggi, 24. Realitas Virtual dalam Aplikasi Rekayasa, 25. Intelijen Web dan Seluler, 26. Data Besar, 27. Manajemen Informatika, 28. Sistem Informasi, 29. Desain Permainan, 30. Sistem Multimedia, 31. Pemrosesan Gambar, 32. IOT 33. Pemrograman Seluler, 34. Desain Basis Data, 35. Pemrograman Jaringan, 36. Sistem Terdistribusi, 37. Sistem Pendukung Keputusan, 38. Sistem Pakar, 39. Kriptografi, 40. Model dan Simulasi, 41. Jaringan 42. berkaitan inovasi
Articles
915 Documents
<![CDATA[Jumlah Kepala Sekolah Dan Guru Menurut Kelompok Umur Pada Provinsi Banten, Provinsi Bali, Provinsi Sulawesi Tengah, Provinsi Nusa Tenggara Timur ]]>
<![CDATA[Rudianto, Bagas]]>;
<![CDATA[Patir Ramadhan, Fahri]]>;
<![CDATA[Rafli Reinanda, Muhammad]]>;
<![CDATA[Dzulfikar Apandi Putra, Muhammad]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 7 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penelitian ini bertujuan untuk menganalisi jumlah sekolah negeri dan swasta berterta guru dan kepala sekolah di masing masing daerah Banten, Bali,Sulawesi Tengah dan Nusa Tenggara Timur (NTT) Tahun ajar 2023/2024, Penelitian ini melibatkan kapala sekolah, guru beserta sekolah swasta dan negeri. Data ini mencakup informasi yang penting untuk memahami distribusi tentang Pendidikan terhadap kebijakan masing-masing provinsi daerah.]]>
<![CDATA[Penggunaan Deep Neural Networks Untuk Deteksi Dini Alzheimer Dari Data MRI ]]>
<![CDATA[Maharani Putri, Adhira]]>;
<![CDATA[Wahyuni]]>;
<![CDATA[Geraldy Setiawan, Jodie]]>;
<![CDATA[Fahrezi, Rival]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 7 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penyakit Alzheimer adalah gangguan neurodegeneratif yang menyebabkan penurunan fungsi kognitif dan kualitas hidup pasien. Mengingat populasi lansia yang meningkat, jumlah kasus Alzheimer diperkirakan akan terus bertambah. Deteksi dini Alzheimer merupakan tantangan penting dalam bidang kesehatan, terutama karena gejalanya sulit diidentifikasi pada tahap awal. Penelitian ini mengeksplorasi penggunaan teknologi pencitraan MRI (Magnetic Resonance Imaging) dalam mendiagnosis Alzheimer dan menilai peran algoritma Deep Neural Networks (DNN) dalam meningkatkan akurasi deteksi dini. Studi literatur ini menganalisis berbagai metode pemodelan DNN, termasuk Convolutional Neural Network (CNN) dan Vision Transformer (ViT), dalam mendeteksi perubahan struktural pada otak melalui citra MRI. Hasil penelitian menunjukkan bahwa model DNN, khususnya CNN dengan konfigurasi lapisan tertentu, memiliki akurasi tinggi dalam mendeteksi penyakit Alzheimer. Temuan ini mengindikasikan potensi besar dari metode DNN sebagai alat diagnostik yang andal untuk Alzheimer di masa mendatang.]]>
<![CDATA[Literature Review: Klasifikasi Penyakit Menular Dengan Algoritma Machine Learning Berbasis SVM ]]>
<![CDATA[Nazara, Anniwarni]]>;
<![CDATA[Vinatalia Dachi, Jesika]]>;
<![CDATA[Nur Zakiyyah, Nabilah]]>;
<![CDATA[Lahagu, Serniman]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 7 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Salah satu tantangan kesehatan global adalah penyakit menular, yang membutuhkan pendekatan inovatif untuk diagnosis dan pencegahan. Penelitian ini menyelidiki penggunaan algoritma Support Vector Machine (SVM) dalam pengajaran mesin untuk menemukan dan memprediksi penyebaran penyakit menular. Dengan menggunakan dataset yang kaya akan informasi klinis dan epidemiologis, kami mengembangkan model SVM yang dapat memberikan akurasi tinggi dalam klasifikasi dan prediksi. Hasil menunjukkan bahwa model ini tidak hanya efektif dalam mendeteksi penyakit menular tetapi juga dalam memberikan pengetahuan bermanfaat tentang faktor risiko yang berperan dalam penyebarannya. Temuan ini diharapkan dapat membantu peneliti dan praktisi kesehatan meningkatkan respons terhadap penyakit menular dengan menggunakan teknologi pembelajaran mesin.]]>
<![CDATA[Analisa Data Jumlah Kepala Sekolah dan Guru Menurut Kelompok Umur pada Provinsi Aceh, Provinsi Gorontalo, Provinsi Kepulauan Bangka Belitung, Provinsi Kepulauan Riau Menurut Kementerian Pendidikan Dan Kebudayaaan Indonesia ]]>
<![CDATA[Firnando, Allifiah]]>;
<![CDATA[Herlambang Herdiyana, Jusuf]]>;
<![CDATA[Danutirta, Radithya]]>;
<![CDATA[Muhammad Fauzi, Syafiq]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 7 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penelitian ini bertujuan untuk mengetahui dan menganalisis jumlah kepala sekolah dan guru pada provinsi di Indonesia. Metode yang digunakan dalam penelitian ini adalah deskriptif kuantitatif, yaitu penelitian yang bertujuan untuk membuat gambar atau deskriptif tentang suatu keadaan secara objektif yang menggunakan angka, mulai dari pengumpulan data, penafsiran terhadap data tersebut serta penampilan dan hasilnya. Adapun bahan untuk sampelnya adalah 4 provinsi yang ada di Indonesia yaitu, provinsi aceh, provinsi kepulauan bangka belitung, provinsi gorontalo, dan provinsi kepulauan riau. Hasil penelitian ini menunjukkan bahwa jumlah kepala sekolah dan guru pada 4 provinsi tersebut di dominasi oleh usia muda dengan kelompok rentang usia diantara 26 sampai 60 tahun.]]>
<![CDATA[Literature Riview: Klasifikasi Penyakit Asma Berdasarkan Data Klinis Dengan Decision Tree ]]>
<![CDATA[Putri Dianti, Ardelia]]>;
<![CDATA[Maylika Hadzar, Syalisa]]>;
<![CDATA[Rahmah, Yasirotur]]>;
<![CDATA[Ulviana, Yupa]]>;
<![CDATA[Rosyani, Perani]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Asma merupakan penyakit pernapasan jangka panjang yang dapat disebabkan oleh banyak hal, seperti lingkungan, genetika, dan gaya hidup. Untuk membedakan jenis asma dan menemukan pengobatan yang tepat, diagnosa asma yang tepat berdasarkan data klinis sangat penting. Dengan menggunakan algoritma Decision Tree dalam klasifikasi penyakit asma, memungkinkan sistem untuk mengidentifikasi pola gejala dan memberikan saran untuk pengobatan, penelitian ini bertujuan untuk mengklasifikasikan jenis penyakit asma berdasarkan data klinis. Untuk menemukan teknik klasifikasi dan diagnosa asma, algoritma yang digunakan dalam penelitian ini adalah algoritma genetika, faktor keyakinan, dan pohon keputusan. Hasil penelitian menunjukkan bahwa Decision Tree efektif dalam membedakan berbagai jenis asma dari asma akut hingga asma yang disebabkan oleh olahraga dengan mempertimbangkan gejala klinis pasien dan menyediakan solusi yang tepat.]]>
<![CDATA[Literatur Review: Klasifikasi Penyakit Hati Menggunakan Metode Deep Neural Networks ]]>
<![CDATA[Ahgil Misman, Dinar]]>;
<![CDATA[Ramadhan Verdiansyah, Fadly]]>;
<![CDATA[Dika Permana, Firdaus]]>;
<![CDATA[Ramadhan, Rafly]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penyakit hati menjadi salah satu masalah kesehatan yang menyebar secara global, dengan prevalensi yang tinggi dan risiko komplikasi serius yang dapat berakhir pada kematian. Identifikasi dan diagnosis dini penyakit hati sangat penting agar pasien dapat menerima pengobatan tepat waktu. Namun, klasifikasi penyakit hati sering kali menantang bagi tenaga medis, terutama ketika menghadapi data medis yang kompleks dan jumlahnya besar. Oleh karena itu, diperlukan metode yang efektif dan akurat untuk membantu klasifikasi dan diagnosis penyakit hati secara otomatis. Dalam beberapa tahun terakhir, metode kecerdasan buatan, khususnya Deep Neural Networks (DNN), telah berkembang pesat dan menunjukkan performa yang menjanjikan dalam berbagai bidang, termasuk kesehatan. Deep Learning adalah jenis pembelajaran mesin yang mengajarkan komputer untuk melakukan tugas dengan menggunakan contoh manusia. Deep learning merupakan bagian dari machine learning yang terinspirasi dari sistem kerja otak manusia dengan menerapkan pembelajaran secara hirarki. Dengan adanya deep learning meminimalkan waktu yang digunakan untuk training data(Noris & Waluyo, 2023). DNN mampu mengolah data medis secara mendalam dan menghasilkan model prediksi dengan akurasi tinggi. Dengan karakteristiknya yang kuat dalam analisis data yang kompleks, DNN diharapkan dapat menjadi solusi yang efektif untuk klasifikasi penyakit hati. Literature review ini akan membahas penelitian-penelitian terdahulu yang menggunakan metode DNN untuk klasifikasi penyakit hati. Pembahasan meliputi berbagai pendekatan dan teknik DNN yang telah diterapkan, data yang digunakan, hasil yang diperoleh, serta kelebihan dan kekurangan dari setiap pendekatan. Dengan demikian, tinjauan ini akan mengidentifikasi kekurangan dan celah dalam penelitian terdahulu, serta potensi pengembangan lebih lanjut untuk meningkatkan akurasi dan efisiensi klasifikasi penyakit hati menggunakan Deep Neural Network (DNN) adalah Algoritma deep neural network sering dimanfaatkan untuk menganalisis beragam fitur atau variabel.DNN terdiri dari Perceptron berlapis-lapis, di mana setiap neuron dalam satu lapisan terhubung dengan seluruh neuron di lapisan berikutnya. Kesimpulan yang bisa diambil yaitu, Metode Deep Neural Network(DNN) dapat menjadi solusi yang efektif untuk mengklasifikasikan penyakit hati, terutama jika didukung oleh teknik pra-pemrosesan yang tepat dan data yang berkualitas.]]>
<![CDATA[Jumlah Kepala Sekolah Dan Guru Menurut Kelompok Umur Provinsi Jawa Tengah, Jawa Timur, Sulawesi Utara, Bengkulu Tahun 2023/2024 ]]>
<![CDATA[Surya Rahmadan, Dika]]>;
<![CDATA[Sahrul Hafidz Fadilah, Muhammad]]>;
<![CDATA[Farraz Pradipta Bintang Kurniawan, Muhammad]]>;
<![CDATA[Putra Nanda, Dennis]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penilitian ini menganalisis jumlah kepala sekolah dan guru berdasarkan di 4 provinsi indonesia, yaitu Jawa Timur, Jawa Tengah, Sulawesi Utara, Bengkulu. Tujuan dalam penilitian ini adalah untuk mengidentifikasi jumlah guru negri dan swasta, bagaimana perbedaan peminatan pada Guru Negri dan Swasta, solusi apa yang dibutuhkan guru saat mengajar. Hasil analisis ini menampilkan adanya perbedaan pengajaran dan peminatan pada sekolah negri dan swasta di setiap provinsi Jawa Timur, Jawa Tengah, Sulawesi Utara, Bengkulu. Analisis ini diharapkan dapat mendukung penemuan ini untuk mengoptimalkan dan memaksimalkan Potensi menjadi Kepala sekolah dan guru menurut kelompok umur.]]>
<![CDATA[Analisis Data Jumlah Kepala Sekolah Dan Guru Berdasarkan Kelompok Umur Di Provinsi Sulawesi Barat, Maluku Utara, Papua Barat, Dan Papua Pegunungan Tahun 2023/2024 ]]>
<![CDATA[Agustina, Dahlia]]>;
<![CDATA[Utama, Indriani]]>;
<![CDATA[Julianti, Salwa]]>;
<![CDATA[Rahma Anggraeni, Yunita]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pendidikan memegang peran penting dalam kemajuan bangsa, namun hal tersebut masih merupakan tantangan bagi Indonesia dalam menyebar luaskan tenaga pendidik, terutama di daerah-daerah yang terpencil seperi Papua Pegunungan. Penelitian ini menganalisis distribusi kepala sekolah dan guru berdasrakan kelompok umur di empat provinsi yaitu Sulawesi Barat, Maluku Utara, Papua Barat, dan Papua Pegunungan. Dengan menggunakan analisis statistik deskriptif (mean, median) dan visualisasi (histogram, poligon frekuensi, ogive), kami menemukan jumlah tenaga pendidik di Papua Pegunungan paling sedikit serta didominasi oleh kelompok umur tua. Hal ini mengindikasikan masalah regenerarsi tenaga pendidik yang tdk dapat mendukag jangka panjang kualitas pendidikan. Temuan ini mungkin memunculkan gagasan kebijakan distribusi dan regenerasi tenaga pendidik yang lebih adil khususnya untuk Papua Pegunungan.]]>
<![CDATA[Penerapan Naïve Bayes Dalam Klasifikasi Penyakit Ginjal ]]>
<![CDATA[Aisyah]]>;
<![CDATA[Rukmana, Rika]]>;
<![CDATA[Riky Ardian, R]]>;
<![CDATA[Ardiansyah, Muhammad]]>;
<![CDATA[Rosyani, Perani]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penyakit ginjal kronis adalah jenis penyakit tidak menular yang kian meningkat prevalensinya di masyarakat dan sering kali berkaitan dengan kondisi seperti diabetes dan hipertensi. Pentingnya deteksi dini penyakit ini terletak pada upaya untuk menurunkan risiko perkembangannya menuju gagal ginjalPenelitian ini memanfaatkan algoritma Naïve Bayes untuk melakukan proses klasifikasi data pasien terkait penyakit ginjal kronis, dengan tujuan mengevaluasi akurasi model dalam mendeteksi penyakit ini. Metode Naïve Bayes dipilih karena kemampuannya menghasilkan hasil klasifikasi yang akurat serta efisiensi dalam pengolahan data berukuran besar. Metode yang diterapkan dalam penelitian ini adalah Berdasarkan kajian pustaka, hasil penelitian ini mengungkapkan bahwa Naïve Bayes memiliki potensi untuk diterapkan sebagai alat bantu diagnosis dalam sistem informasi kesehatan untuk meningkatkan kecepatan dan akurasi diagnosis penyakit ginjal kronis.]]>
<![CDATA[Deteksi Penyakit Kulit Wajah Manusia Berbasis Convolutional Neural Network (CNN) Dengan Arsitektur VGG19 ]]>
<![CDATA[Farhan Al Farizi, Sandi]]>;
<![CDATA[Alifian Magsyatul Asfa, Andi]]>;
<![CDATA[Bagus Saputra, Aditya]]>;
<![CDATA[Adha, Fahrel]]>;
<![CDATA[Syawal Praditya, Muhammad]]>;
<![CDATA[Rosyani, Perani]]>
<![CDATA[ Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi ]]>
Publisher : <![CDATA[shofanah Media Berkah ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penyakit kulit wajah pada manusia seperti Jerawat dan Rcosasea merupakan masalah kesehatan umum yang dapat mempengaruhi kualitas hidup seseorang. Deteksi dini penyakit kulit wajah dapat dilakukan menggunakan teknologi pengolahan citra dan machine learning. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis menggunakan metode Convolutional Neural Network (CNN) untuk mengidentifikasi berbagai jenis penyakit kulit wajah. Dataset yang digunakan adalah dataset gambar wajah yang dilabeli dengan beberapa jenis penyakit kulit. Model CNN yang dikembangkan menunjukkan akurasi klasifikasi yang tinggi dengan hasil uji 90%. Penelitian ini memberikan kontribusi dalam pengembangan sistem diagnostik berbasis machine learning yang dapat membantu dalam deteksi dini penyakit kulit wajah.]]>
